CN112684468A - 一种基于2d激光雷达的平面建图定位方法 - Google Patents
一种基于2d激光雷达的平面建图定位方法 Download PDFInfo
- Publication number
- CN112684468A CN112684468A CN202011443727.9A CN202011443727A CN112684468A CN 112684468 A CN112684468 A CN 112684468A CN 202011443727 A CN202011443727 A CN 202011443727A CN 112684468 A CN112684468 A CN 112684468A
- Authority
- CN
- China
- Prior art keywords
- points
- feature
- point
- map
- positioning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种基于2D激光雷达的平面建图定位方法，包括以下步骤：获取预先建立的特征点坐标数据库，所述特征点坐标数据库包括环境中所有特征点的定位坐标；通过激光雷达扫描获得机器人当前位置下的极坐标地图，得到各特征点的极坐标数据；通过距离匹配法将特征点坐标数据库中的特征点与极坐标地图中的特征点进行匹配，得到极坐标地图中各个特征点的定位坐标；通过三点定位法计算出机器人当前位置的定位坐标。通过距离匹配法将特征点坐标数据库中的特征点与极坐标地图中的特征点进行匹配，得到极坐标地图中各个特征点的定位坐标，再通过三点定位法计算出机器人当前位置的定位坐标，从而无需人工设定地图初始定位。
Description
技术领域
本发明涉及移动机器人定位技术，尤其涉及一种基于2D激光雷达的平面建图定位方法。
背景技术
同步定位与建图(SLAM，Simultaneous Localization and Mapping)技术是移动机器人的关键技术。该技术可以让机器人利用自身携带的传感器提取到环境信息和已有地图，从而进行定位和地图更新。目前SLAM技术大致可以分为两大类：激光SLAM和视觉SLAM。
传统激光SLAM算法的数据量、计算量庞大，实现成本高，需要较高的电脑配置，而且对环境场景要求较相对苛刻，在不添加高亮反光柱情况下，难以解决初始定位问题。
发明内容
本发明的目的在于提供一种计算效率高、无需人工设定地图初始定位的基于2D激光雷达的平面建图定位方法。
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
根据本发明的一方面，提供了一种基于2D激光雷达的平面建图定位方法，包括以下步骤：获取预先建立的特征点坐标数据库，所述特征点坐标数据库包括环境中所有特征点的定位坐标；通过激光雷达扫描获得机器人当前位置下的极坐标地图，得到各特征点的极坐标数据；通过距离匹配法将特征点坐标数据库中的特征点与极坐标地图中的特征点进行匹配，得到极坐标地图中各个特征点的定位坐标；通过三点定位法计算出机器人当前位置的定位坐标。
在一实施例中，该方法中的所述特征点坐标数据库的建立方法为：机器人遍历环境并用激光雷达扫描获得轮廓地图，提取轮廓地图中的直线特征，得到各直线特征的函数表达式，求出直线特征之间的交点作为直线特征点，选择部分直线特征点添加至特征点坐标数据库。
在一实施例中，该方法中的所述提取出轮廓地图中的直线特征采用边缘检测算法。
在一实施例中，该方法中的所述选择部分直线特征点添加至特征点坐标数据库包括：选择固定建筑物的边缘对应的直线特征点添加至特征点坐标数据库。
在一实施例中，该方法中的所述特征点坐标数据库还包括环境中的所有高亮特征点的定位坐标，
在一实施例中，该方法中的所述高亮特征点的获取方法为：在环境中设置反射板，机器人遍历环境并用激光雷达扫描获得轮廓地图，提取轮廓地图中的激光反射能量最高的若干点作为高亮特征点，选择部分高亮特征点添加至特征点坐标数据库。
在一实施例中，该方法中的所述选择部分高亮特征点添加至地图特征点数据库包括：排除环境中原有的反光表面产生的高亮特征点。
在一实施例中，该方法中的所述通过距离匹配法将特征点坐标数据库中的特征点与极坐标地图中的特征点进行匹配，得到极坐标地图中各个特征点的定位坐标包括：计算极坐标地图中所有特征点两两之间的距离；计算特征点坐标数据库中所有特征点之间的距离，以特征点数据库中两两特征点之间距离与极坐标地图中两两特征点之间的距离相近的特征点作为怀疑点，形成各个极坐标地图中特征点的怀疑点库，通过各个极坐标地图中特征点的怀疑点库的交集找到与极坐标地图中的特征点对应的特征点坐标数据库中的特征点，得到所有极坐标地图中特征点的定位坐标。
在一实施例中，该方法中的所述通过三点定位法计算出移动机器人的坐标包括：获得机器人到三个特征点的距离，分别以这三个特征点为圆心，绘制以距离为半径的圆，三个圆的交点为机器人的定位坐标。
在一实施例中，该方法中的所述通过三点定位法计算出移动机器人还包括：取多组不同的三个特征点，获得多个定位坐标，取多个定位坐标的平均值，得到最优定位坐标。
本发明实施例的有益效果是：通过距离匹配法将特征点坐标数据库中的特征点与极坐标地图中的特征点进行匹配，得到极坐标地图中各个特征点的定位坐标，再通过三点定位法计算出机器人当前位置的定位坐标，从而无需人工设定地图初始定位。
优选地，通过选择边缘直线交点和高亮点作为特征点，废弃了多余的大量点云数据，提高了计算效率，降低了应用成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1是本发明方法的流程示意图；
图2是本发明轮廓地图的示意图；
图3是本发明极坐标地图的示意图；
图4是机器人在某一位置下极坐标地图中特征点示意图；
图5是本发明方法中的三点定位法示意图。
具体实施方式
以下结合附图和具体实施例对本发明作详细描述。注意，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。
如图1所示，本发明提供了一种基于2D激光雷达的平面建图定位方法，包括以下步骤：
S100，获取预先建立的特征点坐标数据库，特征点坐标数据库包括环境中所有特征点的定位坐标；
为了提高计算效率，可采用直线特征点建立特征点坐标数据库，如图2所示，相应地，特征点坐标数据库的建立方法为：机器人遍历环境并用激光雷达扫描获得轮廓地图，采用当前成熟的边缘检测算法提取轮廓地图中的直线特征，得到各直线特征的函数表达式，求出直线特征之间的交点作为直线特征点，选择墙壁、货架等固定建筑物的边缘对应的直线特征点添加至特征点坐标数据库。
此外，还可以采用环境中的所有高亮特征点的定位坐标建立特征点坐标数据库，加高亮特征是因为在有些场合不一定会有稳定的直线特征交点，比如在仓库内托盘是移动的，比如在圆形建筑物内，这些空间内没有足够的优质交点用于三点定位。因此，需要人为的添加反光板高亮特征来弥补。
高亮特征点的获取方法为：在环境中设置反射板，机器人遍历环境并用激光雷达扫描获得轮廓地图，提取轮廓地图中的激光反射能量最高的若干点作为高亮特征点，排除环境中原有的玻璃、不锈钢等反光表面产生的高亮特征点，选择剩余高亮特征点添加至特征点坐标数据库。
S200，通过激光雷达扫描获得机器人当前位置下的极坐标地图，得到各特征点的极坐标数据；
现有的2D激光雷达可以直接获得测量点的极坐标，如图3所示。同样，这里可以采用边缘检测算法或选取反射能量最高的点来找到直线特征点和高亮特征点。
S300，通过距离匹配法将特征点坐标数据库中的特征点与极坐标地图中的特征点进行匹配，得到极坐标地图中各个特征点的定位坐标；
具体地，包括以下步骤：
S301，根据特征点极坐标计算出所有特征点两两之间的距离；
以图4中为例，极坐标地图中的特征点P1(ρ1，θ1)，P2(ρ2，θ2)，则P1，P2间距离为|P1P2|：
S302，找出地图数据库特征点间距离与环境特征点距离所有相近的点作为怀疑点，找出所有的怀疑点，作为P1、P2点怀疑点库A；
同理，对于极坐标地图中的特征点P3(ρ3，θ3)，P2(ρ2，θ2)，求出P3，P2间距离|P3P2|；找出地图数据库特征点间距离与环境特征点距离|P3P2|所有相近的点作为怀疑点，找出所有的怀疑点，作为P3、P2点怀疑点库B；
对于极坐标地图中的特征点P3(ρ3，θ3)，P1(ρ1，θ1)，求P3，P1间距离|P3P1|；找出地图数据库特征点间距离与环境特征点距离|P3P1|所有相近的点作为怀疑点，找出所有的怀疑点，作为P3、P1点怀疑点库C；
S303，取交集，求出特征点在地图中的坐标
点库A与点库B的交集即为特征点坐标数据库中的特征点P2；
点库A与点库C的交集即为特征点坐标数据库中的特征点P1；
点库C与点库B的交集即为特征点坐标数据库中的特征点P3；
从而可得出P1、P2、P3特征点的坐标数据。
以此方法，可求出极坐标地图中所有特征点对应的特征点坐标数据库中的坐标。
S400，通过三点定位法计算出机器人当前位置的定位坐标。
如图5所示，假设已知P6、P2、P4点坐标，以及AGV点到P6、P2、P4点的距离，以P6、P2、P4点为圆心，绘制以距离为半径的圆，三个圆的交点坐标即是AGV点的一个定位。
此外，还可以取多组不同的三个特征点，获得多个定位坐标，取多个定位坐标的平均值，得到最优定位坐标。
综上所述，本发明通过距离匹配法将特征点坐标数据库中的特征点与极坐标地图中的特征点进行匹配，得到极坐标地图中各个特征点的定位坐标，再通过三点定位法计算出机器人当前位置的定位坐标，从而无需人工设定地图初始定位。优选地，通过选择边缘直线交点和高亮点作为特征点，废弃了多余的大量点云数据，提高了计算效率，降低了应用成本。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
以上所述仅为本申请的较佳实例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (10)
1.一种基于2D激光雷达的平面建图定位方法，其特征在于，包括以下步骤：
获取预先建立的特征点坐标数据库，所述特征点坐标数据库包括环境中所有特征点的定位坐标；
通过激光雷达扫描获得机器人当前位置下的极坐标地图，得到各特征点的极坐标数据；
通过距离匹配法将特征点坐标数据库中的特征点与极坐标地图中的特征点进行匹配，得到极坐标地图中各个特征点的定位坐标；
通过三点定位法计算出机器人当前位置的定位坐标。
2.根据权利要求1所述的基于2D激光雷达的平面建图定位方法，其特征在于，所述特征点坐标数据库的建立方法为：机器人遍历环境并用激光雷达扫描获得轮廓地图，提取轮廓地图中的直线特征，得到各直线特征的函数表达式，求出直线特征之间的交点作为直线特征点，选择部分直线特征点添加至特征点坐标数据库。
3.根据权利要求2所述的基于2D激光雷达的平面建图定位方法，其特征在于，所述提取出轮廓地图中的直线特征采用边缘检测算法。
4.根据权利要求2所述的基于2D激光雷达的平面建图定位方法，其特征在于，所述选择部分直线特征点添加至特征点坐标数据库包括：选择固定建筑物的边缘对应的直线特征点添加至特征点坐标数据库。
5.根据权利要求1或2所述的基于2D激光雷达的平面建图定位方法，其特征在于，所述特征点坐标数据库还包括环境中的所有高亮特征点的定位坐标。
6.根据权利要求5所述的基于2D激光雷达的平面建图定位方法，其特征在于，所述高亮特征点的获取方法为：在环境中设置反射板，机器人遍历环境并用激光雷达扫描获得轮廓地图，提取轮廓地图中的激光反射能量最高的若干点作为高亮特征点，选择部分高亮特征点添加至特征点坐标数据库。
7.根据权利要求6所述的基于2D激光雷达的平面建图定位方法，其特征在于，所述选择部分高亮特征点添加至地图特征点数据库包括：排除环境中原有的反光表面产生的高亮特征点。
8.根据权利要求1所述的基于2D激光雷达的平面建图定位方法，其特征在于，所述通过距离匹配法将特征点坐标数据库中的特征点与极坐标地图中的特征点进行匹配，得到极坐标地图中各个特征点的定位坐标包括：计算极坐标地图中所有特征点两两之间的距离；计算特征点坐标数据库中所有特征点之间的距离，以特征点数据库中两两特征点之间距离与极坐标地图中两两特征点之间的距离相近的特征点作为怀疑点，形成各个极坐标地图中特征点的怀疑点库，通过各个极坐标地图中特征点的怀疑点库的交集找到与极坐标地图中的特征点对应的特征点坐标数据库中的特征点，得到所有极坐标地图中特征点的定位坐标。
9.根据权利要求1所述的基于2D激光雷达的平面建图定位方法，其特征在于，所述通过三点定位法计算出移动机器人的坐标包括：获得机器人到三个特征点的距离，分别以这三个特征点为圆心，绘制以距离为半径的圆，三个圆的交点为机器人的定位坐标。
10.根据权利要求9所述的基于2D激光雷达的平面建图定位方法，其特征在于，所述通过三点定位法计算出移动机器人还包括：取多组不同的三个特征点，获得多个定位坐标，取多个定位坐标的平均值，得到最优定位坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011443727.9A CN112684468A (zh) | 2020-12-11 | 2020-12-11 | 一种基于2d激光雷达的平面建图定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011443727.9A CN112684468A (zh) | 2020-12-11 | 2020-12-11 | 一种基于2d激光雷达的平面建图定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112684468A true CN112684468A (zh) | 2021-04-20 |
Family
ID=75448424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011443727.9A Pending CN112684468A (zh) | 2020-12-11 | 2020-12-11 | 一种基于2d激光雷达的平面建图定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112684468A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093503A (zh) * | 2006-06-20 | 2007-12-26 | 三星电子株式会社 | 在移动机器人中建立网格地图的方法、设备和介质 |
| CN104697502A (zh) * | 2015-01-09 | 2015-06-10 | 中国测绘科学研究院 | 基于最小二乘法的建筑物特征点坐标提取方法 |
| CN105678689A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术（北京）有限公司 | 高精地图数据配准关系确定方法及装置 |
| CN110675436A (zh) * | 2019-09-09 | 2020-01-10 | 中国科学院微小卫星创新研究院 | 基于3d特征点的激光雷达与立体视觉配准方法 |
| CN111781609A (zh) * | 2020-04-10 | 2020-10-16 | 昆山同孚智能技术有限公司 | 一种agv激光导航多边定位方法 |
-
2020
- 2020-12-11 CN CN202011443727.9A patent/CN112684468A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093503A (zh) * | 2006-06-20 | 2007-12-26 | 三星电子株式会社 | 在移动机器人中建立网格地图的方法、设备和介质 |
| CN104697502A (zh) * | 2015-01-09 | 2015-06-10 | 中国测绘科学研究院 | 基于最小二乘法的建筑物特征点坐标提取方法 |
| CN105678689A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术（北京）有限公司 | 高精地图数据配准关系确定方法及装置 |
| CN110675436A (zh) * | 2019-09-09 | 2020-01-10 | 中国科学院微小卫星创新研究院 | 基于3d特征点的激光雷达与立体视觉配准方法 |
| CN111781609A (zh) * | 2020-04-10 | 2020-10-16 | 昆山同孚智能技术有限公司 | 一种agv激光导航多边定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105469388B (zh) | 基于降维的建筑物点云配准方法 | |
| WO2020206666A1 (zh) | 基于散斑图像的深度估计方法及装置、人脸识别系统 | |
| CN110349252A (zh) | 一种基于点云边界构建小曲率零件实际加工曲线的方法 | |
| CN107991683A (zh) | 一种基于激光雷达的机器人自主定位方法 | |
| CN102999910B (zh) | 一种图像深度计算方法 | |
| WO2021082380A1 (zh) | 一种基于激光雷达的托盘识别方法、系统和电子设备 | |
| CN112652036B (zh) | 道路数据的处理方法、装置、设备及存储介质 | |
| CN108804714A (zh) | 点云数据存储方法及装置 | |
| CN111678516B (zh) | 一种基于激光雷达的有界区域快速全局定位方法 | |
| CN115290097B (zh) | 基于bim的实时精确地图构建方法、终端及存储介质 | |
| CN106204557A (zh) | 一种基于扩展高斯球与m估计的非完备数据对称特征的提取方法 | |
| WO2023124725A1 (zh) | 边缘检测方法、装置、电子设备及存储介质 | |
| CN111986219A (zh) | 一种三维点云与自由曲面模型的匹配方法 | |
| Li et al. | Improved algorithm for point cloud registration based on fast point feature histograms | |
| WO2022247137A1 (zh) | 机器人及其充电桩识别方法和装置 | |
| CN108133516A (zh) | 一种3d城市场景自动重建方法 | |
| CN113012206A (zh) | 一种顾及房檐特征的机载与车载LiDAR点云配准方法 | |
| CN115201849A (zh) | 一种基于矢量地图的室内建图方法 | |
| CN113052880A (zh) | 一种sfm稀疏重建方法、系统及应用 | |
| CN115952691A (zh) | 多站无源时差交叉联合定位系统的优化布站方法及装置 | |
| CN116309026A (zh) | 一种基于统计局部特征描述与匹配的点云配准方法及系统 | |
| CN115728803A (zh) | 一种城市驾驶车辆连续定位系统及方法 | |
| CN112130166B (zh) | 基于反光板网络的agv定位方法及装置 | |
| WO2020155159A1 (zh) | 增加点云采样密度的方法、点云扫描系统、可读存储介质 | |
| CN112684468A (zh) | 一种基于2d激光雷达的平面建图定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210420 |
|
| WD01 | Invention patent application deemed withdrawn after publication |